基于小波神经网络的水下航行器传感器故障诊断

针对水下航行器系统的传感器故障诊断问题,提出了一种基于小波神经网络的传感器故障诊断方法．在对水下航行器系统的传感器故障信号进行特征提取时,发现其大部分能量都集中在低频部分．若直接以此能量分布来区分正常与故障、故障与故障的信号,将导致神经网络训练时间和分辨时间都会很长,因而不能实时地监控系统．为了很好地进行区分,凸显其差异,将低频部分能量舍去,只保留其余部分,并将其归一化,再利用径向基神经网络进行分类．利用小波分解的节点能量差异与特征提取特点以及神经网络的自我学习能力,通过大量的样本训练后,使神经网络很好地分辨出5类故障信号及正常信号．仿真结果表明：此方法简单、易于实现,适于水下航行器的传感器故障的诊断．     

水下航行器声隐身性能快速评估研究

针对传统水下航行器声隐身性能评估方法计算时间长、实时性不强的缺点,将评估由数值计算问题变为基于多传感器信息融合的模式识别问题来解决。通过将RBF神经网络模型和LVQ神经网络模型相结合,提出了基于组合神经网络的水下航行器声隐身性能快速评估模型。利用加速度传感器测得壳体表面振动信息,抽取分析频段内每个频带的功率作为特征向量,通过组合神经网络模型进行识别分类,快速评估出航行器当前的声隐身状态。并利用水下双层加肋圆柱壳体模拟航行器舱段缩比模型,进行了水下声学试验,验证了方法的实时性和有效性。该评估方法计算速度快、评估正确率较高、通用性较强,可很好地应用于各类水下结构的声学状态评估。     

多元数据不确定度评定的神经网络方法

针对辐照效应实验数据,研究了多维数据不确定度评定问题。将径向基函数神经网络与混合密度模型相结合,建立了基于径向基函数神经网络的混合密度神经网络,用于评定多维数据不确定度。给出了该神经网络的学习算法。将该神经网络应用于抗辐射效应实验数据分析,给出了实验数据的不确定度估计,并预测了实验数据包含的多维非线性关系。算例验证了方法的有效性。     

电液伺服系统的神经网络建模方法研究

针对电液伺服系统固有的流量-压力特性等非线性因素使得采用传递函数等传统方法难以获得电液伺服系统的精确模型的问题,详细研究了电液伺服系统的神经网络建模方法.研究了两种最常见的神经网络,即多层感知器神经网络和径向基函数神经网络,采用5种典型学习算法构造了3种多层感知器神经网络和2种径向基函数神经网络,并结合自动定深电液伺服系统的工程实例,详细分析了这5种神经网络在电液伺服系统中的建模性能.研究结果表明,采用正交最小二乘算法的径向基函数神经网络最适合电液伺服系统的建模.     

基于增强学习的半导体测试调度研究

采用Sarsa(λ,k)学习算法求解、产品、测试机、测试工具包、使能器部件对应关系非常复杂的半导体测试调度问题.针对测试调度,通过定义系统状态的表示方式、构造行为和报酬函数把调度问题转化为增强学习问题,并把Sarsa(λ,k)算法和梯度下降径向基神经网络函数泛化器结合使用.实验验证了Sarsa(λ,k)算法解决半导体测试调度问题的有效性.Sarsa(λ,k)算法通过反复解决调度问题来调整调度策略,能克服单个行为策略短视的缺点,综合利用各个行为策略的优点,从而找到较优的调度方案.     

基于RBF神经网络的微惯性测量组合标定

针对微惯性测量组合标定精度低的问题,充分发挥神经网络良好的逼近非线性函数的优势,以RBF神经网络为主要逼近手段,对微惯性测量组合输出非线性特性进行精确逼近,从而得到更为准确的标定结果.试验结果表明,基于RBF神经网络的标定算法能够有效地逼近微惯性测量组合敏感信息,与传统基于最小二乘法建模方法相比,微惯性测量组合输出标定...     

水下无人航行器声学系统实收实发声隔离度分析研究

对某水下无人航行器声学系统在特定间距及频段条件下实收实发声隔离度进行了分析研究。在分析某水下无人航行器载体基本结构特征的基础上,通过ANSYS有限元建模仿真软件,对航行器声学系统实现实收实发的指向性和隔离度进行了仿真计算,并在消声水池对航行器声学系统实收实发隔离度进行了实验测试。研究结果表明,收发间距为3 m时具有一定的收发隔离度,若对隔离度有更高要求,则需采取调整收发换能器间距或对接收水听器加装吸声障板等技术措施,可为水下无人航行器声学系统设计及实现实收实发提供技术支持。     

基于奇异谱分解的微机械加速度计振动噪声抑制方法

微机械（MEMS）惯性传感器成本低的同时噪声较大,易受振动信号的干扰。为了利用微机械惯性传感器构成低成本姿态估计系统,提出了一种基于奇异谱分解（SSA）的振动噪声预处理方法。SSA方法的实质是利用延迟扩维矩阵进行主成分分析,其延迟相关的算法能够有效地分离出加速度计测量值中的趋势项与周期项,趋势项中包含有需要的姿态变化信号,周期项即为低频振动噪声,根据过零点检测方法提取出趋势项,将该趋势项作为加速度计的测量值,即可实现对振动噪声信号的抑制,有效地提高姿态估计精度。实际的跑车实验验证了本方法的可行性和有效性。     

一种基于人工鱼群算法的微机电系统加速度计静态修正方法

微机电系统加速度计是惯性跟踪系统的一部分,用来获得运动的位置信息。为了对运动姿态进行精确定位,必须对它的误差进行修正。根据加速度计误差来源和产生机理建立了误差模型,通过分析误差模型,提出了一种基于人工鱼群算法修正加速度计静态误差的方法,并与六位置测试法比较。前者在一定程度上降低了误差,提高了测量角精度,使微机电系统加速度计输出能够准确反映出真实值。     

基于改进D-S证据理论的水下航行器声隐身性能评估

摘　要：针对传统水下航行器声隐身性能评估方法计算时间长、实时性不强的缺点,将评估由数值计算问题变为基于多传感器信息融合的模式识别问题来解决。通过将改进D-S证据理论模型和图像欧氏距离模型相结合,提出了一种新的水下航行器声隐身性能快速评估方法。首先利用加速度传感器测得壳体表面振动信息,抽取分析频段内每个频带的功率作为特征向量,然后通过图像欧氏距离方法进行证据生成,最后用一种改进的D-S证据合成方法进行识别分类,快速评估出航行器当前的声隐身状态。并利用计算机仿真和水下振动实验相结合的方式,通过类柱体结构模拟航行器舱段,详细讨论了方法的先进性,并研究指出了需要改进的问题。探讨了一种水下航行器声隐身性能快速评估的实现方法。     

双臂空间机器人协调运动的模糊基函数网络控制

该文研究了在本体位置不受控、姿态受控的情况下,漂浮基双臂空间机器人系统惯性空间协调运动的轨迹跟踪问题。针对存在外部扰动和未知系统惯性参数的情况,设计了一种基于模糊基函数网络的自适应调节控制方案。用模糊基函数网络对双臂空间机器人系统建模,利用鲁棒技术处理建模误差和外部扰动在内的不确定性。所提控制方案的特点是:不需要动力学方程中的惯性参数符合线性规律,也无需预知系统的惯性参数;同时可以利用学习规则在线自适应调节模糊基函数网络的所有权值和参数,因此控制方案是灵活的。该文稳定性分析证明了控制方案的全局稳定性和良好的轨迹跟踪性能。仿真算例表明了该方案能有效地控制双臂空间机器人的本体姿态和末端爪手协调地跟踪期望的运动轨迹。     

考虑空化作用的潜射航行体弹道仿真

该文基于独立膨胀原理研究了潜射航行体的自然空泡形态及小机动条件下空泡轴线的偏移,采用细长体理论计算了航行体部分沾湿区的流体动力,建立了纵平面内潜射航行体水下运动数学模型。针对自然空化条件下潜射航行体水下航行段弹道进行了仿真分析,仿真结果表明,艇速干扰使弹道出现弯曲,艇速越大,航行体出水姿态角越大,不利于出水姿态的稳定,而空化作用产生的附加径向力在一定程度上对航行体姿态起到矫正作用,仿真计算结果与模型试验结果符合较好。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

嵌入注意力机制的卷积神经网络水声目标识别

针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络（Multi-scale Residual CNN with Attention,MR-CNN-A）进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明：对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。     

基于MEMS惯性传感器的微型姿态测量系统

提出了一种基于低成本MEMS惯性传感器的微型姿态测量系统,包括MEMS速率陀螺、MEMS磁强计、单轴MEMS加速度传感器.重点研究了基于扩展Kalman滤波（EKF）的姿态估计创新算法,通过速率陀螺更新误差状态四元数计算姿态角,并通过飞行方向的加速度传感器和三轴磁强计来补偿陀螺漂移和姿态角误差,利用扩展卡尔曼滤波方程消除瞬时干扰,实现高动态姿态测量.系统的仿真和高动态实验表明,姿态测量动态精度低于5°,静态精度低于0.7°.     

基于深度神经网络的水声FBMC通信信号检测方法

针对传统水声滤波器组多载波(Filter Bank Multi-Carrier,FBMC)通信接收端需经过信道估计和均衡才可恢复出发送符号,系统复杂度高且信道估计精度不佳等问题.文章将深度神经网络融入到水声多载波通信当中,提出一种基于深度神经网络的水声FBMC信号检测方法.在训练阶段通过大量的数据迭代、调试超参数和优化...     

记忆径向基神经网络在冷轧液压自动位置系统的优化控制

针对冷轧液压自动位置控制系统多变量、强耦合、高阶次和时变性等特点,提出一种引入记忆因子的径向基函数神经网络在线自适应调节PID参数的系统。为提高网络精度,利用改进的混洗蛙跳算法离线全优化记忆径向基神经网络,在获得网络结构的同时得到初始参数,避免网络模型训练的繁琐,并利用测试函数证明优化后的网络具有良好的逼近能力。然后利用优化后记忆径向基神经网络的自校正功能在线细调PID参数,仿真结果表明,该控制系统跟踪快、超调小、适应性强,控制品质优于传统PID和普通径向基神经网络PID控制方法。     

一种改进的唤醒信号能量检测算法及其应用研究

为了减少水下无线传感器网络的功耗,在notch滤波器算法原理基础上,结合帕斯瓦尔定理和子带能量目标检测算法分析环境噪声,得到了检测门限随环境噪声变化的唤醒信号检测算法,进行了理论分析和仿真。在微功耗处理器上实现了该算法并讨论了其在水下无线传感器网络的应用。试验证明该算法可以灵活调度网络中的各个节点状态,降低了传感器网络的功耗。     

水声通信中变步长神经网络盲均衡算法研究

在水声通信领域多途引起的码间干拢可以用均衡消减。盲均衡不需要训练序列,这将有效的节省通信带宽,提高通信效率及通信性能。实际中的通信信道不可能是完全线性的,神经网络作为一种非线性动态系统,具有大规模并行处理及高度的鲁棒性特征,将其应用于水声信道盲均衡切实可行。文中对变步长BP算法的前馈神经网络进行了理论和算法分析,并通过计算机对其实现水声信道盲均衡进行了仿真。仿真结果表明采用变步长BP算法比采用传统BP算法的神经网络盲均衡器收敛速度快,均衡性能明显提高。